文档名：基于LAAFSA改进的KMeans聚类算法
针对K-Means聚类算法随机选择聚类中心,易陷于局部最优值的缺点和人工鱼群更新过程中对鲁棒性强,易跳出局部最优值的优点,本文对以往的方法研究总结,提出了基于LAAFSA改进的K-Means聚类算法.该算法在K-Means算法中引入LAAFSA算法.在LAAFSA算法中,对每条人工鱼进行聚群行为和追尾行为,若结果没有得到更新,则引入共轭梯度法,减少人工鱼在觅食行为中更新的随机性,增加人工鱼的局部寻优能力,得到近似全局最优的初始聚类中心,并将其作为K-Means初值详细进行局部搜索,以提高精度.在实验中,对LAAFSA和AFSA两个算法在目标函数上进行收敛性和最优值对比,根据实验结果显示LAAFSA算法具有优越性,其结果适合作为K-Means算法的初始聚类中心.最后,阐述对LAAFSA-KM算法后期实现及应用.
作者：徐菲菲陈赛红
作者单位：上海电力大学计算机科学与技术学院上海200090
母体文献：2019年上海市“智能计算与智能电网”研究生学术论坛论文集
会议名称：2019年上海市“智能计算与智能电网”研究生学术论坛
会议时间：2019年5月17日
会议地点：上海
主办单位：上海市学位委员会
语种：chi
分类号：
关键词：K-Means聚类算法 LAAFSA算法 局部最优值
在线出版日期：2022年9月21日
基金项目：
相似文献
相关博文
- 文件大小:
- 740.58 KB
- 下载次数:
- 60
-
高速下载
|
|
